环境模型是车辆外部物理世界的数字表示。它包括道路、要避让的物体（例如其他车辆、交通弱势群体和路缘）以及可行驶的 “自由空间” 的表示。
为创建这种模型，车辆感知系统通过车载传感器收集有关外部世界的信息，这些传感器包括雷达、摄像头、激光雷达和超声波传感器。然后，系统使用一种叫做传感器融合的方法，合并多种输入，各取所长，创建出最准确的表示。有了强大的环境模型，车辆的高级驾驶辅助系统（ADAS）就可以采取更有效的措施减少人为错误的影响并避免交通事故。
交通事故仍然是一个严重的问题。根据世界卫生组织的统计，全世界每年大约有130万人死于道路交通事故。每年全世界还有 2000万到5000万人受到交通相关的伤害。其中大多数事故是可以避免的。这是因为绝大多数（美国国家公路交通安全管理局表示高达94%）的事故 都与人为失误相关。
灵敏的传感器
与人类驾驶员单靠感官可以获得的车辆周围场景相比，环境模型可以为ADAS系统提供更完整的画面。
雷达可以测量物体的距离以及移动速度。摄像头拥有百万像素成像器，可以更准确地解析这些物体的角度位置，还可以读取街道标志。两种传感器相结合，就可以将物体分类为行人、骑行者、车辆和其他关注对象。
人类驾驶员也可以执行其中某些功能，但这些传感器从不眨眼，也从不分心。此外，雷达系统为人类驾驶员提供了极好的辅助，因为它们在黑暗中或直射阳光下也能 “看” 得很清楚，在烟雾等恶劣天气条件下也更加可靠。不管人类驾驶员专心与否，车辆传感器始终保持警醒，不断向环境模型馈送数据。
机器学习有助于提高环境模型的可行性。机器学习是某种形式的人工智能，可用于训练传感器，提高它的有效性。例如，机器学习可将雷达遗漏自行车和摩托车的概率显著降低70%。
与驾驶员的关系
随着车辆的自动化级别越来越高，环境模型成为管理驾驶员与自动化系统之间控制权转移的重要工具。
当自动化系统运行时，它使用来自环境模型和其他输入源的信息来帮助优先处理最需要注意的关注对象。例如，如果一辆车正驶入前方车道，系统可以以一种有用的方式突出显示该车，例如在平视显示器上的车辆周围放置一个彩色框等视觉标记。
简而言之，环境模型是先进安全系统的众多重要组件之一。模型越准确、越完整，系统就能更好地掌握车辆周围的情况。然后，系统就可以更加自信地采取行动，无论是警告驾驶员潜在的威胁、自动换道、还是在紧急情况下刹车。
